李林峰，青 濤，向嘯晗，湯雅沁，符佳好，陳 錦

（1.蘇州熱工研究院有限公司，江蘇 蘇州 215000；2.湖南工學(xué)院，湖南 衡陽(yáng) 421002）

電廠正常生產(chǎn)運(yùn)作及保障核安全需要操縱員長(zhǎng)時(shí)間的輪班工作。在長(zhǎng)時(shí)間的工作后，操縱員難免進(jìn)入疲勞狀態(tài)。操縱員的疲勞狀態(tài)會(huì)引發(fā)諸多的安全問(wèn)題，疲勞狀態(tài)下，操縱員在日常生產(chǎn)、瞬態(tài)、事故情境下發(fā)生失誤的概率大大增加，不僅無(wú)法保證正常生產(chǎn)甚至?xí){到核安全。因此，對(duì)操縱員疲勞的量化和檢測(cè)具有重要意義。

接下來(lái)將對(duì)操縱員疲勞度的心理、生理狀態(tài)指標(biāo)參數(shù)選取、腦電參數(shù)指標(biāo)采集方法，操縱員疲勞度示例平臺(tái)搭建方法等內(nèi)容進(jìn)行介紹。

1 操縱員疲勞度心理、 生理狀態(tài)指標(biāo)參數(shù)選取方法調(diào)研

時(shí)至今日，學(xué)界尚未對(duì)疲勞度的檢測(cè)提出一個(gè)統(tǒng)一的標(biāo)準(zhǔn)。如今已有的研究中主要基于以下幾種測(cè)量手段來(lái)測(cè)量人員的疲勞水平：①基于問(wèn)卷調(diào)查的主觀檢測(cè)方法；②如眼跳運(yùn)動(dòng)、眼睛的閉合百分比等基于眼動(dòng)的參數(shù)測(cè)量；③基于反應(yīng)時(shí)間和集中程度開展的心理活動(dòng)測(cè)試；④電相關(guān)的生理參數(shù)測(cè)量，如眼電（Electrooculogram，EOG）、腦電（electroencephalography，EEG）、心電（Electrocardiograph，ECG）、肌電（Electromyography，EMG）。

其中，以電生理作為基礎(chǔ)的疲勞檢測(cè)方法在各種方法中普遍具有較高的可靠性和準(zhǔn)確度。在疲勞的影響下，電生理的信號(hào)，如EEG、ECG、EOG 和EMG 的改變可以發(fā)生在如眼動(dòng)、凝視、眼瞼閉合程度等眼參數(shù)的變化之前。其中，基于EEG 的疲勞測(cè)量方法受到眾多研究者的青睞。

EEG 信號(hào)可以反映出人體各種功能水平，如推理、運(yùn)動(dòng)、視覺(jué)，以及認(rèn)知層面的聽(tīng)覺(jué)處理、決策、感知等。相比其他生理信號(hào)，EEG 信號(hào)能更直觀反映大腦自身的活動(dòng)，并且在時(shí)間分辨率上也有更好的表現(xiàn)?；贓EG 的方法可以用更短的時(shí)間獲得更快的檢測(cè)速度，因此在眾多生理信號(hào)中，EEG 具有其優(yōu)越性。國(guó)內(nèi)外學(xué)者的相關(guān)研究發(fā)現(xiàn)，腦電不同頻段的能量變化與人體疲勞水平有關(guān)，并通過(guò)組合不同頻段的能量作為特征利用機(jī)器學(xué)習(xí)取得了較好的檢測(cè)效果。例如，對(duì)EEG 的4 種波段delta、theta、alpha、beta，有學(xué)者研究其相互比值作為特征，研究疲勞前、后的變化，數(shù)據(jù)顯示在疲勞狀態(tài)下delta、theta 較穩(wěn)定，alpha 輕微減少，beta 則顯著減少，且所有慢波與快波的比值都增加，其中（θ+α）/β 增加最多，該規(guī)律可用于檢測(cè)疲勞。本研究將選用EEG 來(lái)評(píng)價(jià)操縱員的疲勞度。

2 操縱員疲勞度評(píng)價(jià)指標(biāo)參數(shù)采集

2.1 實(shí)驗(yàn)設(shè)計(jì)

設(shè)計(jì)36 h 睡眠剝奪實(shí)驗(yàn)，從早上8 點(diǎn)開始實(shí)驗(yàn)到第二天下午20：00，每2 h 采集一組數(shù)據(jù)，共采集到19 組數(shù)據(jù)。每組實(shí)驗(yàn)包含閉眼、睜眼和精神運(yùn)動(dòng)警覺(jué)任務(wù)（Psychomotor Vigilance Task，PVT）等6 個(gè)任務(wù)，除PVT 實(shí)驗(yàn)時(shí)長(zhǎng)5 min 外，其他任務(wù)實(shí)驗(yàn)均為3 min。實(shí)驗(yàn)中被試靜坐在凳子上。在實(shí)驗(yàn)開始時(shí)會(huì)在屏幕正中央出現(xiàn)一個(gè)固定的“十”字形，持續(xù)時(shí)間為2~10 s 的隨機(jī)時(shí)長(zhǎng)；隨后轉(zhuǎn)換到計(jì)數(shù)器，要求被試盡快點(diǎn)擊空格鍵以停止計(jì)數(shù)，馬上再次轉(zhuǎn)換到“十”字形顯示即完成一次PVT 任務(wù)。

19 名健康操縱員作為被試參加了實(shí)驗(yàn)，腦電采集設(shè)備為腦機(jī)所自主研發(fā)的可穿戴腦電采集裝置。采集導(dǎo)聯(lián)分別放置在FP1 和FP2 電極為干電極，參考和接地放在雙側(cè)乳突使用心電貼電極。開始采集信號(hào)時(shí)皮膚和電極間的接觸阻抗低于60 kΩ，其采樣率為1 000 Hz。

2.2 數(shù)據(jù)處理

對(duì)于每個(gè)被試PVT 的反映時(shí)間（Reaction Time，RT）數(shù)據(jù)進(jìn)行預(yù)處理，部分遠(yuǎn)大于2 s 的RT，應(yīng)當(dāng)作為噪聲刪除，因此刪除每組中大于2 s 的RT 數(shù)據(jù)，平均剩余的RT 作為該被試本組的RT。

對(duì)于原始EEG 信號(hào)，通常采用有限沖激響應(yīng)濾波器（Finite Impulse Response，F(xiàn)IR）進(jìn)行1~45 Hz 帶通濾波。由于干電極可能出現(xiàn)短時(shí)間的漂移偽跡，因此需要進(jìn)行偽跡檢測(cè)后去除。使用時(shí)域閾值法進(jìn)行檢測(cè)，當(dāng)時(shí)域腦電信號(hào)的絕對(duì)值大于500 時(shí)判斷為偽跡，隨后進(jìn)行去除。漂移偽跡去除后，對(duì)信號(hào)進(jìn)行頻域變換，本研究使用Welch 周期圖法計(jì)算EEG 的功率譜密度（Power Spectral Density，PSD），又采用窗長(zhǎng)5 s 的漢寧窗（Hanning），在其中交疊50%的數(shù)據(jù)。

2.3 特征值提取

特征提取時(shí)僅使用PVT 和模擬核電操縱任務(wù)的腦電信號(hào)。使用不同長(zhǎng)度的時(shí)間窗（2、5、10 s），無(wú)數(shù)據(jù)交疊進(jìn)行滑窗，得到一個(gè)分類樣本。隨后對(duì)分類樣本提取時(shí)域特征和頻域特征。頻域特征為4 個(gè)頻帶（delta：1~4 Hz，theta：5~7Hz，Alpha：8~12Hz，Beta：13~30Hz）的相對(duì)功率、頻率重心、頻率可變性[1]、約爾特參數(shù)（Hjorth Parameters，HP）[2]和分形維（Petrosian Fractal Dimension，PFD）[3]。

每名被試者得到了19 組的平均反應(yīng)時(shí)間，根據(jù)反應(yīng)時(shí)間取時(shí)間最長(zhǎng)和最短各3 組作為清醒和疲勞的數(shù)據(jù)。最后，使用5 折交叉驗(yàn)證的方式，隨機(jī)將每名被試的數(shù)據(jù)分為訓(xùn)練集和測(cè)試集，用測(cè)試集的結(jié)果進(jìn)行評(píng)估。

2.4 分類模型

決策樹是很常見(jiàn)的一種機(jī)器學(xué)習(xí)方法，可用于分類和回歸[4]。以二分類為例，每個(gè)決策樹依據(jù)其特征評(píng)價(jià)標(biāo)準(zhǔn)（如基尼指數(shù)、信息熵等）來(lái)選擇最優(yōu)特征作為樹根，基于選擇的特征將樣本分為2 份作為樹葉，隨后不斷重復(fù)此前的同樣操作將樣本再次分為2 份，伴隨著劃分次數(shù)的不斷增加，樹葉中包含的樣本則不斷減少，達(dá)到設(shè)定的標(biāo)準(zhǔn)時(shí)停止。最后，將樹葉中最多的一類樣本量作為該樹葉的分類標(biāo)記。測(cè)試時(shí)根據(jù)之前的準(zhǔn)則把樣本分到其中的一個(gè)樹葉中，樣本屬于哪一類由樹葉的分類標(biāo)記決定。

隨機(jī)森林是一種由多個(gè)決策樹組成的集成模型[5]。多個(gè)決策樹投票決定分類結(jié)果。隨機(jī)森林包含2 種隨機(jī)：一種隨機(jī)是隨機(jī)抽取特征，首先假設(shè)數(shù)據(jù)特征維度為n，從中隨機(jī)采用無(wú)放回的抽取方式，抽取f個(gè)特征，則包含有Cfn種可能；第二種隨機(jī)是隨機(jī)抽取數(shù)據(jù)，假設(shè)數(shù)據(jù)有m個(gè)樣本，采用有放回的抽取方式從中隨機(jī)抽取m個(gè)，約有1/3 的數(shù)據(jù)沒(méi)有被抽到，沒(méi)抽到數(shù)據(jù)叫做袋外數(shù)據(jù)，由這些數(shù)據(jù)計(jì)算得到的錯(cuò)誤率為袋外錯(cuò)誤率，研究表明驗(yàn)證集錯(cuò)誤率與袋外錯(cuò)誤率一致[6]。

2.5 實(shí)驗(yàn)結(jié)果

平均反應(yīng)時(shí)間隨實(shí)驗(yàn)組數(shù)的變化情況，結(jié)果如圖1所示。隨著睡眠剝奪的時(shí)間增加，被試的反應(yīng)時(shí)間呈現(xiàn)上升趨勢(shì)，隨后保持在較高的水平。

圖1 PVT 實(shí)驗(yàn)的平均反應(yīng)時(shí)間

根據(jù)反應(yīng)時(shí)間，選擇第1 組數(shù)據(jù)作為清醒數(shù)據(jù)，第16 組數(shù)據(jù)作為疲勞數(shù)據(jù)，比較清醒和疲勞腦電信號(hào)的變化情況。PVT 實(shí)驗(yàn)的功率譜估計(jì)如圖2 所示，相比于清醒疲勞時(shí)被試高頻成分增加。

圖2 PVT 任務(wù)，清醒和疲勞功率譜估計(jì)比較

2.6 清醒與疲勞分類

對(duì)PVT 的數(shù)據(jù)進(jìn)行建模，最終測(cè)試集的結(jié)果如圖3所示。所有窗長(zhǎng)情況下二分類正確率大于0.78。隨著窗長(zhǎng)增加，分類正確率呈現(xiàn)上升趨勢(shì)，因?yàn)楦L(zhǎng)的數(shù)據(jù)包含更多的信息。同時(shí)，增加比值特征沒(méi)有增加分類正確率，所以實(shí)際上可以只使用基礎(chǔ)特征減少計(jì)算量。

圖3 PVT 任務(wù)在不同窗長(zhǎng)時(shí)的二分類正確率

3 操縱員疲勞度評(píng)價(jià)平臺(tái)的開發(fā)

3.1 硬件選型

本研究從電極的數(shù)量上、電極的材料上、佩戴的方便程度和舒適性角度選取如圖4 所示的腦電頭環(huán)作為操縱員疲勞度評(píng)價(jià)的檢測(cè)硬件。

圖4 腦電數(shù)據(jù)檢測(cè)頭環(huán)

其中電擊數(shù)4 個(gè)、電極材料為銅鍍氯化銀+PTE、頭環(huán)重量72.5 g，頭環(huán)的設(shè)計(jì)考慮了人因工程原則，在結(jié)構(gòu)設(shè)計(jì)、重量等方面優(yōu)化用戶體驗(yàn)。頭環(huán)的外觀似發(fā)箍，方便用戶佩戴，頭環(huán)后邊的扎帶保證不同頭圍用戶的完美兼容。頭環(huán)的總重量，不會(huì)給佩戴用戶帶來(lái)壓迫感。用戶佩戴頭環(huán)非常省時(shí)，前邊的記錄電極接觸到用戶的前額，兩側(cè)的參考與接地電極接觸用戶的耳后皮膚，無(wú)需進(jìn)行阻抗調(diào)試。

3.2 疲勞狀態(tài)顯示平臺(tái)開發(fā)

本文在對(duì)提取的特征進(jìn)行分類時(shí)，主要采用支持向量機(jī)（Support Vector Machines，SVM）算法。具體而言，采用基于SVM 的分類器來(lái)將操縱員的腦電信號(hào)分為疲勞狀態(tài)和非疲勞狀態(tài)2 類。在訓(xùn)練分類器之前，需要準(zhǔn)備一組標(biāo)記好的數(shù)據(jù)集，該數(shù)據(jù)集由已知疲勞狀態(tài)和非疲勞狀態(tài)的腦電信號(hào)樣本組成?？梢允褂眠@些樣本來(lái)訓(xùn)練分類器，并評(píng)估其性能。在分類器訓(xùn)練過(guò)程中，采用了一些特征提取方法來(lái)提取相關(guān)的特征，這些特征可以幫助分類器更好地區(qū)分疲勞狀態(tài)和非疲勞狀態(tài)的腦電信號(hào)。具體而言，使用了傅里葉變換來(lái)提取時(shí)域和頻域特征，將信號(hào)分解成多個(gè)不同頻率的子帶，每個(gè)子帶包含不同的頻率信息，計(jì)算每個(gè)子帶的能量、方差和相關(guān)性等特征，將這些特征作為輸入向量，然后使用SVM 分類器來(lái)判斷操縱員的疲勞狀態(tài)。

將檢測(cè)到的操縱員疲勞狀態(tài)顯示在軟件界面上，如圖5 所示。該界面可以顯示操縱員的疲勞狀態(tài)和相應(yīng)的預(yù)警信息，以便相關(guān)人員及時(shí)采取措施。

圖5 核電廠操縱員疲勞度檢測(cè)系統(tǒng)界面

本研究開發(fā)了一個(gè)專門的軟件界面，用于實(shí)時(shí)監(jiān)測(cè)操縱員的疲勞狀態(tài)。該界面可以顯示操縱員的腦電信號(hào)和疲勞狀態(tài)，以及相應(yīng)的預(yù)警信息。具體而言，該界面包括以下主要功能。

1）實(shí)時(shí)監(jiān)測(cè)：該軟件可以實(shí)時(shí)對(duì)操縱員的腦電信號(hào)進(jìn)行處理。

2）疲勞狀態(tài)識(shí)別：該界面可以根據(jù)操縱員的腦電信號(hào)，自動(dòng)識(shí)別其疲勞狀態(tài)，并將其顯示在界面上。

4 結(jié)論

本文提取使用精神運(yùn)動(dòng)警覺(jué)任務(wù)和操縱員模擬核電操縱任務(wù)的腦電信號(hào)，得到了19 組操縱員的平均反應(yīng)時(shí)間作為基礎(chǔ)數(shù)據(jù)。采用支持向量機(jī)算法對(duì)提取的腦電信號(hào)分為疲勞狀態(tài)和非疲勞狀態(tài)2 類特征分類，選用4 個(gè)電極數(shù)、銅鍍氯化銀+PTE 電極材料的頭環(huán)作為腦電數(shù)據(jù)獲取設(shè)備，便捷、準(zhǔn)確地評(píng)估了核電廠操縱員疲勞度，結(jié)果證明，采用腦電技術(shù)評(píng)價(jià)操縱員疲勞程度是可行的。本文的研究對(duì)核電廠科學(xué)、客觀地開展操縱員工作狀態(tài)管理，保證正常安全生產(chǎn)乃至核安全具有參考價(jià)值。